Primäre Verwendung angegeben oder vorsichtig aus offizieller Dokumentation abgeleitet.
M
MISTRAL / mistralai/LIDstral-Arabic
LIDstral Arabic
Von Mistral am 9. Oktober 2026 auf Hugging Face veröffentlichter Sprach- und Dialektklassifikator. Er verarbeitet Text in arabischer Schrift und unterscheidet Hocharabisch, Dialekte und andere Sprachen mit derselben Schrift. Er ist weder generativer Assistent noch Transkriptionsmodell. Er kombiniert fastText one-vs-all, einen MLP-Klassifikator und klassenweise isotone Kalibrierung; ausgegeben werden ein Label und kalibrierte Wahrscheinlichkeiten für 51 Klassen.
01 / ZUSAMMENFASSUNG
Das Wesentliche
Maximale Eingabekapazität bei Veröffentlichung durch die Quelle.
Dokumentierte maximale Erzeugungsgrenze.
Verifizierte Verfügbarkeitskanäle.
Primäre Funktionsfamilie und verifizierte Spezialisierungen.
Deklarierte Bedingungen für API, Gewichte oder Self-Hosting.
02 / TECHNISCHES DATENBLATT
Limits und Integration
| API-ID | mistralai/LIDstral-Arabic |
|---|---|
| Modelltyp | Textklassifikation |
| Zugangsmodell | Offene Gewichte |
| Lizenz | Apache 2.0 |
| Einsatz | Lokaler CPU-Klassifikator |
| Veröffentlichung | 09 OKT. 2026 |
| Wissensstichtag | Nicht veröffentlicht |
| Eingang | Text |
| Ausfahrt | Label und Wahrscheinlichkeiten |
| Kontextfenster | Nichtleerer Text nach Vorverarbeitung |
| maximale Leistung | Label und Wahrscheinlichkeiten für 51 Klassen |
| Argumentation | Nicht zutreffend |
| Veröffentlichte Tools | |
| Strukturierte Ausflüge | JSON des lokalen Klassifikators |
| Stapelverarbeitung | Nicht veröffentlicht |
| Prompt-Cache | Nicht veröffentlicht |
| Feinabstimmung | Nicht veröffentlicht |
| Verifizierte Plattformen | Hugging Face · fastText · PyTorch |
Korpusklassifikation, sprachabhängiges Routing, Auswahl sprachlicher Ressourcen und Dialektanalyse. Nichtarabische Sprachen im Training reduzieren die Verwechslung von Sprache und Schrift. Das offizielle Skript läuft auf CPU und bietet Einzeleingaben, Python-API und JSONL-Verarbeitung. Die Pipeline benötigt lid_ova_full.bin, mlp_stacker_ln.pt und isotonic_calibration.pkl gemeinsam.
Er wählt immer eine von 51 Klassen: nicht unterstützte Sprachen oder gemischtsprachige Texte können falsch eingeordnet werden. Die Vorverarbeitung entfernt Web- und ASR-Artefakte, diakritische Zeichen, dekorative Verlängerungen und wiederholte Satzzeichen; Alef-Varianten bleiben erhalten. Leere oder vollständig entfernte Eingaben führen zu Fehlern. Kalibrierte Konfidenz ersetzt weder Domänenvalidierung noch Regeln für unsichere Fälle.
03 / FÄHIGKEITEN
Was es kann
Orientierung
Korpusklassifikation, sprachabhängiges Routing, Auswahl sprachlicher Ressourcen und Dialektanalyse. Nichtarabische Sprachen im Training reduzieren die Verwechslung von Sprache und Schrift. Das offizielle Skript läuft auf CPU und bietet Einzeleingaben, Python-API und JSONL-Verarbeitung. Die Pipeline benötigt lid_ova_full.bin, mlp_stacker_ln.pt und isotonic_calibration.pkl gemeinsam.
Kontext
Nichtleerer Text nach Vorverarbeitung · Label und Wahrscheinlichkeiten für 51 Klassen
Tools und Integration
Nicht veröffentlicht
Zugang
Hugging Face · fastText und PyTorch
Eingabemodalitäten
Text
04 / PREISE
Dokumentierte Kosten
| Konzept | Wert | Einheit/Zustand |
|---|---|---|
| Standardeingabe | Kein offizieller API-Preis veröffentlicht | Standardtarif der API |
| Eingabe aus dem Cache | Nicht veröffentlicht | Lesen wiederverwendeter Präfixe |
| Schreiben oder Speichern im Cache | Nicht veröffentlicht | Die Bedingung variiert je nach Anbieter |
| Standardausgabe | Kosten der eigenen Infrastruktur | Kann Reasoning-Tokens enthalten |
| Batch-Eingabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
| Batch-Ausgabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
Das Profil nennt Apache 2.0; das Repository ist zum Prüfzeitpunkt öffentlich und nicht zugangsbeschränkt. Das Beispiel erwähnt noch einen privaten Download; daraus leiten wir keine verfügbare kommerzielle API ab. Gehosteter Endpoint und Tokenpreise sind nicht verifiziert. Eigener Betrieb verursacht CPU-, Speicher- und Betriebskosten; fixiere die Code-Revision vor dem Laden von Modelldateien.
i Die Preise ändern sich und können von Level, Region oder Kontextlänge abhängen. Überprüfen Sie die Quelle, bevor Sie eine Entscheidung treffen.
05 / BEWERTUNGEN
So lesen Sie die Ergebnisse
“
Mistral veröffentlicht eine Evaluation mit 84.870 arabischen Beispielen aus mehreren Datensätzen. Für marokkanisches Darija wird F1 von 88,67 % angegeben. Dialekt und Metrik bleiben ausdrücklich erhalten: Das ist keine Gesamtgenauigkeit und gilt nicht für alle Klassen. Inferama hat das Ergebnis nicht reproduziert. Eigene Tests sollten Konfusionsmatrix, Kalibrierung, gemischte Texte und Verhalten außerhalb der Trainingsverteilung prüfen.
| Benchmark | Ergebnis | Metrik | Quelle |
|---|---|---|---|
| LIDstral Arabic (Moroccan Darija) | 88,67 % | F1 | Quelle öffnen ↗ |
Inferama hebt nur dann ein „bestes Ergebnis“ hervor, wenn Metrik, Testsatz, Konfiguration und Datum einen gleichwertigen Vergleich ermöglichen. Die Zahlen des Lieferanten werden als Angaben aus eigener Quelle dargestellt.
06 / VERSIONEN
Chronologie
LIDstral Arabic
Öffentliche Repository-Veröffentlichung. Das Erstellungsdatum 8. Oktober gilt nicht als Veröffentlichungsdatum.
07 / QUELLEN